基于深度學習的甘蔗莖節識別方法

摘要：甘蔗莖節識別是實現切種機對甘蔗精準切種的重要步驟。高效的甘蔗莖節識別定位能幫助甘蔗切種機提高莖節識別精度、保護蔗芽及減少刀具磨損。文章通過實地調研和文獻查閱，了解識別甘蔗莖節特征的方法，分析深度學習在計算機視覺領域的應用效果，旨在實現對甘蔗莖節表面特征進行精準快速高效識別，并基于YOLOv5模型建立智能識別卷積神經網絡模型，提出一種甘蔗莖節識別方法（甘蔗莖節識別模型），通過收集的甘蔗訓練圖像對模型進行訓練，并在測試集上驗證。訓練和測試結果表明，建立的甘蔗莖節識別模型可準確識別甘蔗莖節，識別準確率達90.2%，召回率達90.1%，可在智能化甘蔗切種機開發中參考應用。

關鍵詞：甘蔗切種；莖節識別；深度學習；YOLOv5模型；快速準確定位

中圖分類號：S566.1；TP391.4 文獻標志碼：A 文章編號：2095-820X（2024）05-0354-06

0 引言

甘蔗是重要的溫帶和熱帶經濟作物，也是我國的主要糖料作物，可用于制作日常生活所需的食用糖，還可作為化工、輕工和食品等行業的原材料，因此，甘蔗在我國國民經濟發展和保障食品安全上占據舉足輕重的地位［1］。廣西是我國甘蔗主產區，甘蔗種植面積和產量均占全國的60%以上，是名副其實的“糖罐子”［2］。甘蔗產業作為廣西的重點支柱產業，已形成種植、糖料加工及產品銷售的完整產業鏈，為促進廣西經濟發展和鄉村振興作出了巨大貢獻［3-4］。盡管廣西地區的甘蔗產量和種植面積位居全國首位，但總體上仍面臨甘蔗種植面積下降、農戶種植積極性降低和適宜機械化收割的蔗地面積減少等挑戰，亟待探索符合本地特點的甘蔗產業發展之路，從多個方面推動甘蔗產業健康發展。當前，我國廣泛使用的甘蔗種植機多為實時切種，存在播種不均勻、勞動強度大和耗費種蔗量大等問題［5］，導致種植成本上升，嚴重制約了甘蔗產業的可持續發展。隨著5G、AI和物聯網等信息技術賦能現代農業，生產機械化、自動化和智能化已成為智慧農業的重要特征，且在提高生產效率、降低生產成本和改善生產條件等方面發揮著重要作用。就甘蔗生產而言，受甘蔗種植分散、種植規模小和丘陵種植地貌復雜等實際條件的限制，生產技術和生產模式落后、機械化程度不高及主要依賴人工作業是該產業的顯著特點。莖節識別是甘蔗種植機械化和智能化的關鍵所在，準確高效的莖節識別定位能幫助切種式甘蔗種植機提高識別精度，實現高效防傷芽切種；有利于保護甘蔗芽免遭物理損害和減少對收獲刀具的磨損并實現甘蔗自動化收割，從而促進甘蔗產業的標準化和智能化，進一步解放生產力。因此，甘蔗莖節識別定位不僅為各種智能甘蔗機械設備提供視覺技術支持，對甘蔗產業現代化也具有重要意義。本研究在實地調研和文獻查閱的基礎上，分析深度學習在計算機視覺領域的應用效果，基于YOLOv5模型建立智能識別卷積神經網絡（CNN）模型，提出一種甘蔗莖節識別方法，為實現對甘蔗莖節表面特征進行精準快速高效識別及智能化甘蔗切種機開發提供參考依據。

1 甘蔗莖節識別相關技術

1.1 甘蔗莖節識別

準確識別甘蔗莖節可大幅提高甘蔗機械化收割效率，降低人工成本，在甘蔗種植和收割各環節實現精細化管理，從而提升甘蔗產量和質量。但提高甘蔗莖節識別準確性面臨諸多技術難點，包括莖節在不同生長階段和環境下表型多樣、復雜的背景干擾（如葉片和土壤遮擋）、光照條件變化對圖像質量的影響及莖節形態和顏色變動。

計算機技術的快速發展為提高甘蔗莖節識別準確性提供了新方法，包括基于傳統圖像處理方法（如邊緣檢測和形態學操作）、基于機器學習方法（如支持向量機和隨機森林）和基于深度學習方法（如卷積神經網絡和目標檢測算法檢測模型）。但應用這些方法也存在一定局限性，如傳統圖像處理方法在處理復雜背景和多樣化莖節形態時性能有限，機器學習方法對特征工程依賴較大，難以自動提取復雜特征。

1.2 圖像識別

圖像識別是計算機視覺領域的一個重要研究方向，主要通過計算機自動分析和理解圖像內容［6］。圖像識別技術包括傳統圖像處理方法，如邊緣檢測、形態學處理和特征匹配及機器學習。這些技術已廣泛應用于醫療診斷、自動駕駛、安防監控、工業自動化和智能零售等領域。利用圖像識別技術可實現農作物的自動監測和管理，如病蟲害識別、作物生長監測及產量預測等，提高農業生產效率，還可減少農藥和肥料使用，實現精準農業。在甘蔗生產中，圖像識別技術能有效識別和定位甘蔗莖節，為機械化收割及精細化管理提供技術支持，推動甘蔗生產向智能化和自動化方向發展。

1.3 深度學習

深度學習是一種以人工神經網絡為基礎，旨在通過多層網絡結構對數據進行分層表示和學習，從而捕捉數據中復雜模式和特征的機器學習方法［7］。常用的深度學習模型包括卷積神經網絡、循環神經網絡（RNN）和生成對抗網絡（GAN）等［8］。卷積神經網絡特別適用于圖像處理任務，通過卷積層和池化層操作，能有效提取圖像的空間特征［9］；循環神經網絡擅長處理序列數據，已廣泛應用于自然語言處理和時間序列預測；生成對抗網絡用于生成高質量合成數據，在圖像生成和增強方面作用明顯。在農業生產中，利用卷積神經網絡可實現對農作物進行病蟲害檢測、生長監測及產量預測等，如通過分析農作物葉片圖像，可準確識別病害類型并進行實時預警；通過監測田間農作物生長狀態，可優化施肥和灌溉方案，提高農作物產量和質量。此外，生成對抗網絡技術還可用于生成和增強農業數據，提升深度學習模型的訓練效果。

綜上所述，盡管圖像識別和深度學習技術在農業生產中取得了明顯進展，但甘蔗莖節的多樣性和復雜性，加上復雜的背景干擾及光照條件變化，使得現有的甘蔗莖節識別方法在識別準確性和效率方面存在一定局限性。傳統的圖像處理技術在應對這些局限性時表現不佳，機器學習方法對特征工程的依賴較大；深度學習方法雖然表現優異，但對數據和計算資源的需求較高。因此，文章提出一種基于YOLOv5的深度學習甘蔗莖節識別模型（以下簡稱甘蔗莖節識別模型），以解決傳統甘蔗莖節識別方法在應對甘蔗莖節多樣性和復雜性問題時的局限性，提高莖節識別的效率和準確性。

2 甘蔗莖節圖像采集及處理

2.1 圖像采集

2023年10月—2024年2月在廣西靖西市湖潤鎮甘蔗基地采集甘蔗莖節圖像，甘蔗品種為桂糖8號。采集圖像時甘蔗處于成熟期，平均莖粗約2.5 cm。在圖像采集過程中，光照、拍攝角度、不同莖節數、不同甘蔗根數和有無蔗葉等是影響視覺識別的主要因素，以其為分類特征采集圖像。為更好地模擬甘蔗莖節的多樣性和復雜性，分別于9：00、12：00和18：00 3個時間點進行拍攝，覆蓋側光、前光和逆光等不同光照條件。此外，通過調整相機拍攝角度獲取不同光線方向甘蔗莖節的照片。在圖像采集過程中，以拍攝方向與光傳播方向相同、垂直、相反分別模擬前光、側光和背光條件。通過多角度和多時間段的圖像采集，確保數據的全面性和多樣性。

2.2 數據采集與增強方法

在野外甘蔗田中，甘蔗葉片經常會遮擋陽光，導致甘蔗下部光線不足；云朵的移動也會導致甘蔗田光線時強時弱。為了增強數據的多樣性并提高模型在不同光照條件下的識別能力，需通過對采集的圖像進行亮度調節、旋轉和鏡像翻轉等以增強圖像數據，應用這些數據增強技術可明顯增加訓練數據的多樣性，提升模型在各種圖像場景下的識別性能。其中，通過圖像亮度調節，可解決由于數據收集時間短而導致收集不全的問題；通過圖像旋轉（左右旋轉45°）和鏡像翻轉可模擬甘蔗的多樣化生長姿態。

2.3 數據標注工具與標記過程

數據標注是甘蔗莖節識別模型訓練中至關重要的環節。標注過程：使用圖像標注工具（Labelimg）對甘蔗圖像進行手動標記，并繪制邊界框，將標注結果保存為YOLO格式；標記的矩形邊界框用于識別甘蔗莖節，確保數據集中不包含不清楚的數據，防止神經網絡在訓練過程中出現過擬合現象。整個數據標注過程需人工仔細檢查和確認，確保每個數據標注的準確性和一致性。

3 甘蔗莖節識別模型的實現與優化

3.1 YOLOv5網絡架構

YOLO是一種先進的目標檢測算法，采用單一前向傳遞方式進行對象檢測，YOLOv5是其升級版，包含YOLOv5x、YOLOv5l、YOLOv5m和YOLOv5s等4個版本，可通過調整depth_multiple和width_multiple 2個參數控制算法模型的深度與寬度［10］。YOLOv5的網絡架構包括4個部分：輸入端（Input）、骨干網絡（Backbone）、頸部網絡（Neck）和預測端（Prediction）［11］。YOLOv5將目標檢測任務轉化為回歸問題求解，通過輸入原始圖像直接得到物體所在位置的坐標及其類別。在目標檢測過程中，圖像首先經骨干網絡提取特征，然后通過特征融合層進行特征增強，最后通過預測層得到目標的位置和類別。

YOLOv5引入了錨框（Anchor boxes）概念，用于預測對象的邊界框，每個框負責檢測不同尺寸和比例的對象。此外，YOLOv5采用多尺度特征圖來處理不同大小的對象，使用非極大值抑制（NMS）算法來消除重疊的邊界框，以提高檢測精度。

3.2 網絡層次結構設計

在甘蔗莖節識別模型中，輸入端負責將原始圖像輸入模型，并通過圖像增強和預處理步驟提高模型的泛化能力。骨干網絡采用CSPDarknet53結構，通過提取圖像的多尺度特征實現對目標的精準識別。頸部網絡使用特征金字塔網絡（FPN）和路徑聚合網絡（PAN）結構，對不同層次的特征進行整合。這些特征包括甘蔗莖節在不同光照條件、角度和環境下的形態特征、紋理信息、邊緣及形狀特征等。特征金字塔網絡能將高層次的語義特征與低層次的細節特征結合，路徑聚合網絡則進一步增強特征傳遞的效率，從而更好地識別甘蔗莖節在復雜背景中的位置及其形態，提高檢測的精準度和魯棒性。

3.3 輸入與輸出設置

輸入端的主要任務是對圖像進行標準化處理，以確保圖像在輸入至神經網絡前處于穩定狀態。輸入圖像的分辨率通常被調整為640×640像素，并進行歸一化處理以適應模型要求。在輸出端，YOLOv5將每個網格單元預測的多個邊界框通過非極大值抑制算法進行篩選，最終輸出最可信的目標位置和類別。表1中展示了YOLOv5模型的主要參數設置。

3.4 訓練策略與超參數調整

在甘蔗莖節識別模型訓練過程中，采用自適應算法（ADAM）優化器來優化損失函數，以實現快速收斂［12］。超參數設置對模型的性能具有明顯影響，因此在模型訓練過程中通過網格搜索法進行超參數調整，并運用訓練策略［數據增強、學習率調度和早停法（Early stopping）等］防止模型出現過擬合或欠擬合現象。圖1展示了訓練過程中損失函數的變化曲線，通過分析該曲線可看出，由于模型初始化時參數未經調整，因此其訓練開始時的損失函數值較大；隨著訓練輪數的增加，損失值逐漸減小并趨于平穩，說明模型的參數通過梯度下降法逐步得到優化，模型逐漸適應訓練數據，其性能趨于穩定。

3.5 數據增強訓練的應用

為了提升甘蔗莖節識別模型的泛化能力，需對原始數據集進行多種數據增強處理，包括旋轉、鏡像翻轉和亮度調整。通過這些數據增強方法，可模擬不同光照、角度和環境條件下的甘蔗莖節圖像，提高甘蔗莖節識別模型在不同場景下的識別精度。表2展示不同數據增強方法處理后的甘蔗莖節識別模型識別效果。其中，F1值（F1-score）在甘蔗莖節識別模型訓練中用于評估經數據增強處理后模型的綜合表現，以確定模型在不同光照、角度和環境條件下的識別精度。由表2可知，通過旋轉、鏡像翻轉和亮度調整等數據增強方法處理，模型在增強后的數據集中表現出最高的召回率（R）（90.9%）和F1值（0.88），說明經過全面的增強處理后，模型在各種復雜條件下能較準確地識別甘蔗莖節；在左旋轉45°的情況下，召回率下降至85.2%，F1值下降至0.86，說明左旋轉處理對提高模型識別甘蔗莖節的能力具有一定重要性；鏡像翻轉后，準確率（P）上升到88.3%，但召回率略有下降，F1值降至0.87，說明鏡像翻轉的主要作用體現在提高召回率上，對模型準確率的影響較小；在調整亮度（調整0.7和1.3倍）后，F1值均有所下降，說明亮度調整有助于提高模型在不同光照條件下的魯棒性和識別效果。

3.6 甘蔗莖節形態特征分析

甘蔗莖節在不同生長階段的形態、顏色和紋理特征具有差異。為此，需對甘蔗莖節的形態特征進行詳細分析，以便模型能更準確地識別和定位甘蔗莖節。通過對大量甘蔗圖像進行分析，總結出甘蔗不同生長階段的特征，并在數據標注時進行詳細標注。

3.7 模型估計的優化策略

在甘蔗莖節識別模型優化過程中，采用多種策略來提高檢測精度和效率。首先，使用稀疏化訓練方法，通過L1正則化約束（對模型參數/權重的絕對值進行約束以減少模型的復雜度），使模型更精簡，可減少計算的復雜度。其次，引入多尺度特征圖和注意力機制，以提升模型對不同大小和形狀目標的檢測能力。最后，通過剪枝技術進一步優化模型結構，降低參數量和計算量。

從圖2可看出，稀疏化訓練開始時損失函數值較高，隨著訓練輪數的增加，模型的權重逐步優化，損失函數值逐漸減小，直到收斂；在訓練后期，曲線逐漸趨于平穩，說明模型已接近最佳狀態。由此可見，稀疏化過程可減少冗余參數，提高檢測效率。

綜上所述，通過甘蔗莖節識別模型的實現與優化，其性能和效率得以有效提高，能在復雜的自然環境下實現對甘蔗莖節的準確識別和定位。

4 甘蔗莖節識別模型準確性和有效性驗證

4.1 驗證流程

從圖3可看出，對甘蔗莖節識別模型的準確性和有效性進行驗證，首先是將甘蔗圖像數據集劃分為訓練集和測試集，其次是將訓練集數據作為模型訓練數據對甘蔗莖節識別模型進行訓練，使用ADAM優化器對模型參數進行優化，模型參數達到設定的指定迭代次數時的模型即為訓練完成的甘蔗莖節識別模型。

4.2 驗證平臺

驗證平臺為臺式電腦，處理器為i5-12600K，主頻為3.7 GHz，內存32 G，顯卡為GeForce RTX3090。平臺運行環境為Windows 11，使用Pytorch編寫程序，調用Keras和OpenCV庫。

4.3 驗證數據集的選擇與描述

驗證數據集選取廣西靖西市湖潤鎮甘蔗基地的甘蔗圖像數據。數據集包括2100張甘蔗莖節圖像，通過旋轉、鏡像翻轉和亮度調整等數據增強技術擴展為12600張圖像。圖像分辨率為640×640像素，覆蓋不同的光照條件、拍攝角度和生長階段。數據集按8∶1∶1比例劃分為訓練集、驗證集和測試集，分別用于模型訓練、參數調優和性能評估［13］。

4.4 性能評價指標介紹

以準確率、召回率、平均精度（AP）、F1值和平均IoU（Intersection over union）作為全面評估甘蔗莖節識別模型性能的評價指標。其中，準確率是檢測出的正樣本占全部檢測樣本的比例，召回率是檢測過程中正確識別正樣本的比率［14］，平均精度是各評價指標精度的平均值，F1值是準確率和召回率的調和平均值（綜合表現值）［15］，平均IoU是預測框和真實框的重疊度（交并比）。各評價指標的計算公式見表3。

4.5 驗證結果分析

4.5.1 甘蔗莖節識別模型在不同場景下的檢測結果

由表4可知，甘蔗莖節識別模型在逆光和側光條件下的準確率分別為88.5%和90.2%，召回率分別為88.1%和89.7%，在前光條件下的準確率達92.3%，召回率為91.5%；在甘蔗不同生長階段，該模型對幼苗期、中期和成熟期的莖節識別準確率分別為89.1%、91.7%和93.5%；該模型在前光條件下的F1值（0.92）更接近1.00。綜合準確率、召回率和F1值表現，甘蔗莖節識別模型的性能在前光條件下表現最佳。

4.5.2 與傳統圖像處理方法檢測性能的比較結果

甘蔗莖節識別模型在不同光照條件、拍攝角度和甘蔗生長階段檢測的性能均優于傳統圖像處理方法（表5）。傳統圖像處理方法包括邊緣檢測、顏色分割和形態學操作等，在部分場景下檢測的性能雖表現良好，但總體上不如甘蔗莖節識別模型。其中，甘蔗莖節識別模型檢測的準確率（90.2%）和召回率（90.1%）分別高于傳統圖像處理方法14.9%（絕對值，下同）和18.3%，平均精度提高13.9%，平均IoU提高17.8%。說明甘蔗莖節識別模型在不同場景和復雜環境下均具有較高的檢測性能，可大幅提高對甘蔗莖節識別的準確率和效率。

5 結論

甘蔗莖節識別模型通過優化YOLOv5網絡架構、引入數據增強技術及采用稀疏化訓練與剪枝技術，在甘蔗莖節自動識別與定位上效果明顯。在不同光照條件、拍攝角度和甘蔗生長階段下，該模型對甘蔗莖節均具有較高的識別準確率和召回率，且明顯優于傳統圖像處理方法，可為甘蔗種植和收割機械化領域提供技術支持。未來工作中可進一步優化該模型的結構，結合多模態傳感器數據，如激光雷達和多光譜圖像，增強模型對復雜環境的適應能力，以提高復雜農業環境下的莖節檢測精度和效率。

參考文獻：

［1］ 秦樂駒. 云南甘蔗糖業發展研究［D］. 湛江：廣東海洋大學，2021.

［2］ 王學清，張靜. 中國甘蔗產業支持政策及相關發展思路［J］. 農業展望，2018，14（1）：43-48.

［3］ 孫西楠. 廣西甘蔗糖業循環經濟發展研究［D］. 武漢：中南民族大學，2015.

［4］ 賀貴柏，向英，陶尚琨，等. 加快推動甘蔗產業綠色高質量發展的政策措施探討——以廣西百色市為例［J］. 甘蔗糖業，2021，50（1）：8-11.

［5］ 侯露，鄒展曦，何勝創，等. 甘蔗種植機切種控制系統設計［J］. 甘蔗糖業，2015（3）：59-65.

［6］ 李志. 基于圖像識別的大屏幕人機交互系統研究［D］. 合肥：安徽大學，2010.

［7］ 王文博. 視覺和文本的跨模態檢索和識別研究［D］. 合肥：合肥工業大學，2021.

［8］ 烏日娜. 基于無人機的公路路面破損識別與分類方法研究［D］. 呼和浩特：內蒙古工業大學，2021.

［9］ 范凌云. 基于卷積神經網絡和深度特征融合的學習表情識別［J］. 科學技術創新，2022（11）：85-88.

［10］ 陳俊. 復雜文檔文本檢測和文本識別研究［D］. 南昌：南昌航空大學，2021.

［11］ 葉欣. 基于深度學習的熱軋帶鋼表面缺陷檢測算法研究［D］. 武漢：武漢科技大學，2021.

［12］ 謝堂營. 基于DCGAN的圖像增強方法研究［D］. 呼和浩特：內蒙古科技大學，2021.

［13］ 陳共馳，榮歡，馬廷淮. 面向連貫性強化的無真值依賴文本摘要模型［J］. 計算機科學與探索，2022，16（3）：621-636.

［14］ 席春玲. 基于大規模中文知識庫的自動問答系統研究［D］. 鄭州：鄭州大學，2021.

［15］ 樊明亮. 基于深度學習的開放域中文知識問答系統研究［D］. 秦皇島：燕山大學，2021.

（責任編輯 王 暉）

收稿日期：2024-07-18

基金項目：廣西農業職業技術大學自然科學與技術開發計劃項目（XKJ2357）

通訊作者：唐偉萍（1983-），女，副教授，主要從事計算機電子信息應用研究工作，E-mail：770497278@qq.com

第一作者：丘剛瑋（1985-），男，工程師，主要從事計算機應用及農業信息技術研究工作，E-mail：331872198@qq.com